阅读研究雷达投资体系
登录 / 注册
全部阅读技术产品投资二级市场其他

阅读

2026-11-1448 篇

刷新

NVIDIA xBeam 将射电干涉相关处理搬上 GPU,但不做成像

专题 · NVIDIA xBeam快讯
2026-11-14 05:17

事件视界望远镜(EHT)将分布在夏威夷、智利、西班牙、墨西哥和南极等地点的 13 个射电观测站通过甚长基线干涉测量(VLBI)连接起来,每个望远镜以高达 64 Gbps 的速率记录两个极化方向的高速电压流,由此可产生数 PB 数据。相关处理——将任意两个站点的电压信号逐通道相乘并累加——是整条数据管线中最耗时的环节之一。NVIDIA 在 2026 年 11 月发布的技术博客中介绍了 cuPhoton.xBeam 如何将这一环节搬上 GPU。

xBeam 采用 FX 相关器架构,与开源 CPU 相关器 DiFX 使用相同的数学框架。其管线分五步:读取 VDIF 帧并建立 .vdix 索引以支持随机访问;按作业文件中的延迟模型对每个站点做整数对齐和条纹旋转;对电压流执行 FFT 将其拆分为频率通道;对每个站点对的每个通道计算复数频谱及其共轭的乘积并在积分时间内累加;最后以 DiFX SWIN 或 xbeam-v1 格式写出可见性。其中 FFT 和交叉乘积是计算密集且通道间独立的操作,天然适合 GPU 的并行执行模型。

多 GPU 扩展的方式是按观测时间分片。单节点上用 --devices 参数同时启动多块 GPU,每块处理一段积分时间;跨节点时每个进程用 --shard-count 和 --shard-index 指定自己的时间分片,全部完成后用 merge-shards 命令校验各分片来自同一作业、覆盖完整时间范围且 SWIN 头一致后合并。NVIDIA 报告在 Vera Rubin NVL72 系统上用 64 块 GPU 和 GPUDirect Storage 处理 10 TB 数据耗时 70 秒,相比 x86 CPU 基线的 31992 秒(约 8.89 小时)快了约 460 倍;读取带宽从 4 块 GPU 的 20 GB/s 增长到 64 块 GPU 的 170 GB/s。这些数字是 NVIDIA 自报的基准测试结果,文中未提及独立复现。

文章同时划定了 xBeam 不做什么。它不根据站点坐标计算延迟,而是直接使用作业文件中给定的延迟多项式;它不追踪光线绕黑洞的路径;它不执行校准或图像重建。下游流程仍由 HOPS、rPICARD 和 eht-imaging 等工具完成。文中提到的高斯泼溅方法——将发射气体建模为沿轨道运动的紧凑发光团块以拟合可见性——被明确标注为 cuPhoton 当前不包含的独立组件。关于 AI 智能体编排端到端管线的段落描述的是潜在应用方向,而非已实现的功能。

信息源:NVIDIA Technical Blog

研究

极客公园张勇毅:AI 录音硬件窗口可能只剩半年,手机厂商正把全天记忆做进系统

专题 · AI录音硬件窗口期实质变化
2026-11-13 12:57

2026 年 11 月 4 日,苹果在 watchOS 27.3 开发者测试版中为 Apple Watch 加入两个 AI 功能:Live Rewind 可以随时回顾过去 15 秒内的对话,Siri Recap 则在一整天里记下用户与他人的对话并整理成摘要。这两个功能不需要额外硬件,几乎没有学习成本;苹果称音频不录不存,也不识别说话人。极客公园作者张勇毅由此提出判断:AI 录音硬件的核心价值正被手机厂商侵蚀,录音与转写不再构成护城河,真正稀缺的是筛选后的上下文和 Agent 入口;在手机厂商把全天记忆整合进系统之前,硬件公司可能只剩约半年窗口。

这个判断的前提是,录音硬件原本补的是手机听不到的缺口。手机多数时间揣在口袋里,安卓当前架构也不允许应用从后台自行开启麦克风。Nothing 创始人 Carl Pei 曾举过一个例子:喝咖啡时有人说了句值得记下的话,掏出手机的工夫,那一刻已经过去了。千问办公 CEO 陈宇森也称,今天的 AI 语音转写已经准确到不需要录音了。也就是说,硬件剩下的工作主要是把声音收进来,再把声音变成文字。但眼下,这个缺口正在被系统级方案补上:苹果把收音放到手表上,OPPO 让心力球和手机系统共用一套记忆引擎。手机整天跟着人,账号、消息、日程和付款都在上面,Agent 做完的东西最终也要回到手机屏幕上让人审核。

更关键的变化是,读这些记录的主体正在从人变成 Agent。张勇毅分享了自己的实际使用数据:将 OPPO 心力球的记录接入飞书,再导入 Codex、DeepSeek Harness 等工具后,从几千段对话中筛出约 200 段;其中约 30% 是背景噪音,40% 是类似「我共享一下屏幕」这样的寒暄,20% 是只在当时有用的上下文,有效信息不到 10%。这意味着,比起记得更多,筛选可能更稀缺。谁的 Agent 来读这些记录,取决于谁握着智能的真正入口:手机厂商的系统 Agent 不用等别人开放接口,没有手机的公司只能从外面读。对硬件公司而言,「给大厂的 Personal Agent 做硬件外挂」正在变成更务实的位置。

张勇毅据此给出的时间判断是:到 2027 年年中,应该会有至少一家国产手机厂商把全天记录做成系统自带的能力,用户不用再为此另买一个录音硬件。他也指出边界:国内空档可能比美国稍长,因为 Recap 暂时不在中国提供,Bee 和 Muse 也没有进来;变量在华为、OPPO、vivo、小米谁先把全天记忆做进系统。对想买硬件的人来说,需要录会议的,专业录音卡依旧好用;只为全天记录而考虑多戴一个新设备的,不妨先等,因为手机厂商的手表和耳机可能更快补上这一块。智能手机花了十多年,才把相机、地图、钱包和通讯录收进一台设备;全天记录很可能也会走同样的路,先以单独硬件出现,再被手机厂商做进系统。

信息源:GeekPark

研究

AgentCore runtime V2 快照机制:冷启动优化建议需要反转

实质变化
2026-11-14 06:02

传统冷启动建议是延迟导入、缩小初始化,让第一个请求尽快触发实际工作。亚马逊云科技在 2026 年 11 月 13 日发布的工程博客指出,在 AgentCore runtime V2 上这条建议需要反过来:初始化只执行一次并被冻结进快照,推迟到处理器的静态工作则每个新会话都要重新支付。

V2 的机制是:创建或更新运行时,平台启动容器、等待健康检查通过(120 秒内),然后清除操作系统文件缓存、冻结微虚拟机、将内存和磁盘存为快照。此后每个新会话不再拉取镜像和运行初始化代码,而是将快照恢复到新微虚拟机中,进程从冻结点继续执行,导入的库、创建的对象和客户端都已在内存中。

这带来三条直接影响。第一,内存完整恢复:初始化阶段持有的任何数据,包括 RAM 文件系统上的内容,以内存速度从第一次访问起可用。第二,文件读取不延续:快照前文件缓存被清除,初始化时读过的文件在恢复会话中仍需从镜像获取。第三,镜像文件按需加载:第一次读取某个数据块时从快照存储拉取,之后缓存到更靠近宿主的位置。

因此,正确的重构方向是把静态工作移入初始化。创建对象而非仅导入模块,因为对象创建会加载其依赖并保持在活跃内存中。在初始化中创建 boto3 客户端,端点解析和凭据解析随快照恢复,套接字在首次调用时自动重连。将提示词、配置、小型索引等静态数据读入内存对象持有,而非每次请求时从镜像读取。对于无法在进程内持有的文件——如独立运行的 CLI 工具链或浏览器二进制——可以复制至 /dev/shm 等 RAM 磁盘,或使用构建钩子在快照构建期间预热。

但这里有一个必须测量的权衡:初始化中保留在内存中的数据使快照变大,恢复时间随之增加,而且每个会话都要为这部分内存付费。文章明确建议端到端测量变更前后的会话启动时间,确认延迟确实降低而非仅从处理器转移到了恢复阶段。

同时,某些值必须留在处理器中。随机数、时间戳、凭据刷新、动态工具目录和特性开关——这些在初始化中创建会被冻结进快照,导致每个会话携带相同的随机状态或过期的时间基准。文章将这一点与 AWS Lambda SnapStart 的已知陷阱类比,并给出带过期时间的模块级缓存模式作为动态数据的折中方案。

对于交互场景,即使 2 秒的会话启动也偏慢。文章建议在用户打开聊天窗口或应用时即发起预热请求,利用用户输入第一条消息之前的时间窗口让会话就绪。已运行的会话响应约 200 毫秒,而新会话启动约 2 秒——预热将后者隐藏在用户操作延迟中。

需要指出的是,上述性能数字和机制描述均来自亚马逊云科技对自身平台的说明,属于厂商自报数据,尚无独立第三方复现。

信息源:Amazon Web Services

研究

AWS发布Kiro安卓应用,支持手机接管云端AI编码任务并集成Grok 4.7模型

专题 · AWS Kiro安卓应用实质变化
2026-11-13 11:05

亚马逊云科技(AWS)于2026年11月13日发布了其AI开发环境Kiro的安卓应用程序“Kiro for Android”。该应用允许付费用户通过智能手机启动、检查以及继续指示在云端运行的AI编码任务。这一更新旨在解决开发者离开桌面后无法管理长时间运行AI代理任务的痛点。

核心机制是“云会话”(Cloud Session)。所有编码工作均在云端沙盒中执行,对话历史和状态在Kiro CLI、Web界面、IDE和安卓应用之间实时同步。即使关闭手机屏幕,后台任务也不会中断。在安卓端,用户可以查看正在运行、已完成或等待响应的会话列表。新任务可通过连接代码仓库并输入指令开始,支持附带截图。当Kiro需要决策(如选择分支)时,用户可在手机上直接回复。变更差异以移动端优化的卡片形式展示,确认后由Kiro自动创建Pull Request。

对于使用IAM Identity Center的企业客户,管理员需手动启用云会话功能。目前该服务仅在美国东部(弗吉尼亚北部)区域可用,iOS版本处于预览阶段。

此外,AWS宣布在Kiro的IDE、CLI、Crew和Web界面中集成SpaceX的“Grok 4.7”模型。据SpaceX公布的数据,相比前代Grok 4.6,Grok 4.7在Terminal-Bench 4.0上的成功率从20.3%提升至37.6%,在DeepSWE v1.1上从65.2%提升至71.0%。该模型专为需要数小时完成且需逐步验证的任务设计,与Kiro的“规格驱动开发”模式兼容。定价为每百万token输入2美元、输出6美元,上下文窗口为50万token。在Kiro Pro及以上套餐中,Grok 4.7作为实验性功能提供,消耗2.7倍积分。

信息源:テクノエッジ TechnoEdge

研究

AMD工程师利用HRX Loom与AI代理在三天内将50个模型移植至客户端GPU

专题 · AMD AI代理模型移植快讯
2026-11-13 23:53

美国半导体公司AMD的工程师Jeremy Fowers和Ben Vanik领导了一项内部实验,利用新发布的ROCm HRX Loom v0.1软件栈和AI代理工作流,在约三到四天内将50个流行的Hugging Face模型(涵盖18种架构)移植到了AMD客户端GPU上。

该实验旨在展示通过HRX Loom和智能体AI加速新模型及小众模型适配AMD硬件的潜力。据AMD报告,在处理32K token提示时,相比Llama.cpp的ROCm后端实现了1.5至2.1倍的中等速度提升,相比Vulkan后端则提升了1.9倍。

HRX Loom目前仍处于实验阶段,支持CPU、GPU和NPU执行。这一结果凸显了AMD试图通过自动化工具链缩小其软件生态与主流开源模型兼容性差距的努力,但具体性能数据尚未经过独立第三方验证。

信息源:phoronix.com

研究

美国企业养老金ROA假设企稳于5.9%:利率周期与资产配置逻辑

专题 · 美国养老金ROA假设实质变化
2026-11-12

美国养老金计划(Defined Benefit, DB)的资产回报率(ROA)假设,不仅是精算报表上的一个数字,更是驱动数千亿美元资产配置、影响固定收益市场供需和债券收益率曲线的重要变量。近期,Wellington Investment Insights发布了针对美国企业和公共DB计划ROA假设的年度更新,揭示了在经历长达15年的持续下调后,这一关键假设在2025年末呈现出企稳甚至结构性反转的迹象。

数据显示,截至2025年末,美国罗素3000指数成分企业报告的DB计划平均ROA假设为5.9%,与2024年持平;公共养老金计划的平均ROA假设同样未变,维持在6.9%。这一企稳并非偶然,而是对过去二十年宏观利率环境与资产负债表规则双重冲击的修正。2006年,美国财务会计准则委员会(FASB)引入养老金资产负债表盯市会计,叠加国会通过《养老金保护法案》,迫使大量计划发起人重新评估投资策略。从2006年到2022年,美国企业计划的ROA假设经历了长达15年的结构性下调,累计降幅达200个基点。

这种长期下调的核心机制在于两点:一是资产配置向固定收益的被动倾斜,二是无风险利率的持续走低。2006年时,仅有约10%的企业选择低于7.0%的ROA假设;而到了2022年,这一比例飙升至90%。在这16年间,企业养老金为了对冲负债风险,将固定收益资产的配置比例提高了20多个百分点。然而,随着2008年至2021年间利率的持续下降,固定收益资产的预期收益率被大幅压缩,导致整体投资组合的预期回报随之下降。

然而,这一趋势在2022年之后迎来了拐点。2022年广泛的股债双杀迫使企业重置了对股票和债券的远期收益预期。更重要的是,全球利率中枢的抬升直接推高了固定收益资产的票息收益,为ROA假设的企稳提供了底层支撑。Wellington的投资策略团队指出,随着收益率的回升,未来一年,固定收益配置占比较高的企业计划可能会适度上调其ROA假设;而对于股票配置占比较高的计划,其ROA假设将保持相对平稳。

在资本市场的长期预期方面,Wellington继续预测,长期股票和债券的回报率将难以企及过去50多年的水平。这种对长期收益中枢下移的担忧,解释了为何计划发起人在面对利率反弹时依然保持谨慎。尽管收益率上升为上调ROA假设提供了空间,但向固定收益资产进行去风险化(derisking)的进程并未停止,只是步伐变得更加审慎。部分计划已经接近其最终状态(end-state),而一些超额资金(overfunded)的计划正在重新评估其盈余资产的投资目标。

对于市场参与者而言,理解ROA假设的演变逻辑,是预判美国养老金资金流向的关键。ROA假设不仅决定了企业利润表上的养老金费用(作为预期资产回报的信用项),更深刻影响着养老金在公开市场的买卖行为。当ROA假设企稳且利率维持高位时,养老金在固定收益市场的配置需求可能从单纯的“对冲负债”转向“追求收益”,这将对长端债券的供需格局产生实质性影响。Wellington建议,计划发起人应基于自身的风险收益目标和投资期限来制定投资政策,而非为了管理养老金费用或报告的负债而强行绑定特定的长期ROA假设。

信息源:Wellington

研究

前DeepMind研究员创立的AI开发公司Mirendil获10亿美元A轮融资,推出自动化模型训练平台Lor

专题 · Mirendil融资动态实质变化
2026-11-14 05:22

由前Google DeepMind和Anthropic研究人员Behnam Neyshabur与Harsh Mehta共同创立的AI基础设施初创公司Mirendil宣布完成10亿美元的A轮融资。据SiliconANGLE报道,本轮融资由Kleiner Perkins和Clearlake Capital联合领投,Google LLC等超过六家机构参与投资。Neyshabur是SAM算法的共同发明人,该算法能提升AI模型在未专门训练任务上的表现;Mehta则曾在DeepMind和Anthropic从事预训练项目工作。

Mirendil的核心产品是名为Lor的平台,该公司称其利用数百个AI代理自动执行模型训练中的试错环节,包括代码编写、基础设施搭建、算法选择及数据收集。公司举例称,一名研究人员借助Lor在3.5个月内以1000万美元成本独立构建了一个能与主流开源LLM竞争的编码模型,且99%以上的代码由AI代理生成。

基于这一技术路径,Mirendil上月发布了专用编码模型Fern。该公司声称Fern支持处理1000万输入令牌,约为Claude Opus 5.5的十倍,相当于约50万行代码。Fern基于拥有1000亿至5000亿参数的Mirendil-Base版本构建,而公司预览了参数规模在5000亿至10万亿之间的升级版本,计划用于开发更强大的LLM。目前未披露本轮融资后的具体估值条款。

信息源:SiliconANGLE

研究

特朗普威胁若墨西哥不阻止移民车队将加倍对墨关税

专题 · 特朗普对墨关税威胁实质变化
2026-11-13 19:49

据Semafor报道,美国总统唐纳德·特朗普(Donald Trump)威胁称,如果墨西哥不阻止一支正前往美国边境的移民车队,他将把对墨西哥商品的关税提高一倍。这一表态进一步加剧了美国与其最大贸易伙伴之间的紧张关系。

在特朗普第二任期内,由于墨西哥部署军队遏制非法越境以争取白宫支持,美国与墨西哥边境的非法越境人数已大幅下降。然而,随着民主党近期在选举中获胜,潜在移民对美国更友好政策的希望有所升温。但特朗普已将斯蒂芬·米勒(Stephen Miller)——华盛顿严厉移民政策的设计者——提升为总统幕僚长,这实际上粉碎了短期内政策转向温和的可能性。

对于投资者而言,墨西哥作为美国最大的商品进口来源国之一,其出口高度依赖美国市场。若关税威胁落实,将直接增加依赖墨西哥制造业和农业进口的美国企业的成本,并可能通过供应链传导至消费端,重新引发市场对通胀反弹的担忧。目前该措施仍处于威胁阶段,尚未形成正式行政命令或立法行动。

信息源:semafor.com

研究

Cloudflare开源面向AI代理的无状态浏览器引擎Kitesurf

专题 · Kitesurf实质变化
2026-11-14 04:20

美国云计算公司Cloudflare于2026年11月13日宣布,将其专为AI代理设计的无状态浏览器引擎Kitesurf在GitHub上开源,采用Apache 2.0许可证。这一举措兑现了该公司自8月首次发布该工具以来的承诺,允许开发者检查代码、本地运行、修改并部署自己的实例到Cloudflare Workers平台。

Kitesurf旨在为AI代理提供一个轻量级、高效的浏览器环境,完全运行在Cloudflare Workers之上,无需传统的浏览器容器。它支持HTML解析、CSS应用、页面JavaScript执行和截图渲染,并兼容Chrome DevTools Protocol(CDP),因此可以连接如Puppeteer等客户端。与Chromium等完整浏览器相比,Kitesurf使用更少的CPU和内存,并能利用Cloudflare的全球网络按需扩展。

该引擎基于Cloudflare开发者平台和一系列编译为WebAssembly的开源Rust包构建。核心组件包括提供HTML解析和布局的Blitz、负责CSS处理的Stylo、在WebAssembly中运行JavaScript的Boa,以及处理文本布局和图形生成的Linebender库和Krilla。Kitesurf由管理会话的Engine、运行页面脚本的PageScript和绘制结果的PageRenderer三部分组成。

开发者可以通过克隆仓库并在本地启动引擎进行测试,或直接将其部署到自己的Cloudflare账户中替代Browser Run托管API。需要注意的是,由于Kitesurf使用Dynamic Workers创建隔离的页面工作进程,部署需要付费的Workers计划。尽管该项目仍处于快速开发阶段,重点在于提高兼容性、可靠性和效率,但其开源标志着服务器端AI代理基础设施的一个重要进展。

信息源:Cloudflare Blog

研究

AI基础设施初创公司Drogue获2000万美元融资,拟用海洋温差为浮动数据中心供电

专题 · Drogue浮动数据中心快讯
2026-11-14 04:07

美国华盛顿特区初创公司Drogue宣布完成2000万美元融资,投资方包括XYZ Venture Capital、Toyota Ventures和Tamarack Global等。该公司成立仅六个月,计划利用海洋温差发电技术为浮动数据中心供电,首个多兆瓦级原型预计2028年初在海上运行。

信息源:TechCrunch

研究

据彭博社报道,SpaceX与特斯拉正密集洽谈合并事宜,最早或于2026年12月宣布

结构性
2026-11-13 13:50

据彭博社(Bloomberg)报道,埃隆·马斯克(Elon Musk)旗下的两家主要公司SpaceX和特斯拉正在就潜在合并进行“密集”谈判。消息人士透露,双方的董事会成员和顾问正在积极合作,制定合并条件以及新公司的领导结构。这一进程比此前预期的要快得多:早在10月,相关考虑还比较模糊,预计交易可能在2027年上半年宣布,但现在可能最早在2026年12月或2027年初正式公布。

报道称,对于金融市场而言,这将是一个“重磅炸弹”(Blockbuster)。合并后的混合集团将涵盖电动汽车、储能系统、火箭和卫星业务。其明确的目标是让人工智能(AI)渗透到所有业务领域。目前,SpaceX的市值约为1.9万亿美元,特斯拉约为1.6万亿美元。

然而,合并面临重大障碍,其中国家安全被视为最大挑战。SpaceX与美国政府有广泛的业务往来,而特斯拉在中国拥有巨大的生产能力。这两部分业务必须被清晰地隔离开来。此外,美国政治环境的变化也是一个因素,民主党人已表示将审查马斯克的商业活动。

信息源:heise online

研究

AI爱好者Muhammad Zulali用Claude和Codex破解1994年Jeep切诺基发动机控制单元,通过美国加州尾气检测

专题 · AI逆向工程汽车ECU快讯
2026-11-13 18:30

据Tom's Hardware报道,车主Muhammad Zulali使用Anthropic的Claude和OpenAI的Codex成功修复了一辆1994年Jeep切诺基的排放问题,使其通过了美国加利福尼亚州的尾气检测。该项目仅使用了总价值不超过15美元的硬件,包括一个Arduino Nano微控制器。

Zulali面临的挑战是如何让现代笔记本电脑与这辆老车的原始发动机控制单元(ECU)通信。Claude指导他识别出该车使用的是克莱斯勒SCI总线,波特率约为7800,且电气信号相对于标准串口是反相的。通过Arduino Nano处理信号反转并连接到车辆的6针诊断插头,系统得以读取冷却液温度和电池电压等数据。

在获取初步数据后,Claude协助收集了车辆在25英里/小时和50英里/小时测试速度下的引擎数据和故障码,以诊断导致NOx排放过高的原因。由于该车型ECU固件不可重写,Zulali转而使用Codex编写代码,将自定义逻辑注入附近的EEPROM中,从而调整燃油压力和其他参数以符合排放标准。

Zulali表示:“Claude完成了大部分诊断工作,Codex几乎完成了所有内存操作。我只负责接线和驾驶。”该项目已在GitHub上开源,名为xj-scanner,采用GPLv3许可证。这一案例展示了大型语言模型在逆向工程遗留硬件协议和指导嵌入式系统调试方面的实际应用能力。

信息源:Tom's Hardware

研究
下一页 →
登录 / 注册
阅读研究雷达投资体系